基于機(jī)器視覺(jué)的非結(jié)構(gòu)化道路檢測(cè)技術(shù)研究.pdf

1、隨著人工智能的發(fā)展，越來(lái)越多的企業(yè)開(kāi)始涉足無(wú)人駕駛領(lǐng)域。目前，國(guó)內(nèi)外對(duì)結(jié)構(gòu)化道路檢測(cè)的理論研究已經(jīng)相當(dāng)成熟，研制的無(wú)人駕駛汽車(chē)也均選擇在高速公路或者結(jié)構(gòu)化程度較高的城市道路上進(jìn)行路測(cè)。而非結(jié)構(gòu)化道路由于環(huán)境的復(fù)雜性，目前的研究大部分還處于實(shí)驗(yàn)室階段，尚不能滿足智能車(chē)輛實(shí)用化的要求。智能駕駛主要分為道路識(shí)別、障礙物檢測(cè)和交通標(biāo)志檢測(cè)三個(gè)部分，本文提出了一種基于機(jī)器視覺(jué)的非結(jié)構(gòu)化道路檢測(cè)方法，它主要側(cè)重于道路識(shí)別部分。
　　本研究主要

2、內(nèi)容包括：⑴將RGB圖像轉(zhuǎn)換到HSI彩色空間，在該空間中只有色度和飽和度分量包含圖像的色彩信息，使用中值濾波算法去除圖像噪聲。為了減小圖像的尺寸，在色度分量中使用歸一化互相關(guān)法預(yù)測(cè)道路終點(diǎn)的位置，并將終點(diǎn)線以下的色度和飽和度分量保存為同等大小的子圖像。⑵利用二維最小Tsallis交叉熵法在色度、飽和度子圖中分別求取最佳閾值并進(jìn)行分割。通過(guò)分析道路的特征信息，采用邏輯運(yùn)算的方法對(duì)分割后的二值圖像進(jìn)行融合降維。在融合后的二值圖像中，道路區(qū)域

3、大部分為白色，非道路區(qū)域大部分為黑色。而且相較于灰度圖像的一維OTSU、二維OTSU法以及彩色圖像的二維OTSU法，二維最小Tsallis交叉熵法的分割效果要更好一些。⑶使用形態(tài)學(xué)操作對(duì)融合后的二值圖像進(jìn)行輪廓平滑，提高二值圖像的質(zhì)量。根據(jù)曲線擬合的原理將道路圖像分成數(shù)段，利用改進(jìn)后的雙折線法對(duì)融合后的非結(jié)構(gòu)化道路圖像進(jìn)行邊沿識(shí)別。在最終的識(shí)別效果圖中，道路邊界圍成的白色區(qū)域?yàn)檐?chē)輛的可通行區(qū)域。與常用的Hough線檢測(cè)結(jié)果相比，雙折線法